Avançar para o conteúdo

Grok Voice · Realtime

Integrar

ID do modelo xai/grok-voice/realtime
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/xai/grok-voice/realtime?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Até 1,494 $ por execução cobrado com base na utilização real, o restante é reembolsado Executar nesta página

Obter chave de API
xAI Áudio #xai#grok#voice#agent

Variante em tempo real do agente de voz Grok para transmissão e conversas bidirecionais de áudio e texto

xAI · Áudio

O seu primeiro resultado aparece aqui

Crie um pedido abaixo e execute-o com a sua chave de API. As saídas são copiadas para o nosso armazenamento, guardadas para sempre ou durante 7 dias gratuitamente.

Criar um pedido

Os controlos são gerados a partir do esquema do modelo. O código e o preço são atualizados à medida que os altera.

0 / 20000

Instruções de sistema opcionais que fornecem contexto da conversa e especificam uma persona em vez da predefinida do Grok; omiti-las mantém essa persona predefinida.

•obrigatório audio_url
Largue um ficheiro ou

URL de áudio para a fala do utilizador, limitado a 10 minutos e 50 MB. Podem ser fornecidos os formatos de áudio mais comuns; antes de o Grok receber o áudio, este é convertido para PCM mono com amostras de 16 bits a 24 kHz. O agente responde à gravação com fala.

Avançado voice · enable_safety_checker · tools

Selecione uma voz xAI incorporada para substituir a predefinida do Grok na resposta do agente; deixar esta opção por definir mantém essa voz predefinida.

predefinição {"mcp_servers":[],"we...

Configuração das ferramentas do agente para utilização no servidor, excluindo file_search/collections da configuração tipada devido a ZDR. Todas as ferramentas começam desativadas; as opções suportadas incluem ferramentas MCP remotas, ferramentas Web e ferramentas X.

POST /run/xai/grok-voice/realtime?wait=20 cotação → 1,494 $
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/xai/grok-voice/realtime?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Executar este pedido

A sua chave permanece neste navegador: é enviada apenas para a Doitong API e guardada em localStorage apenas se selecionar Lembrar. Obter uma chave de API

Sobre Grok Voice · Realtime

Agente de voz destinado a aplicações em direto, como assistentes e agentes telefónicos, baseado em áudio e texto transmitidos em ambas as direções. As entradas correspondem às do modelo de voz padrão: `audio_url` para a fala do utilizador, instruções de persona opcionais em `prompt`, uma escolha de `voice` e `tools` opcionais para acesso à web, ao X ou ao MCP. Devolve áudio WAV falado, a respetiva duração e uma transcrição.

Parâmetros

Envie o nome canónico ou o nome nativo, não ambos. Nomes canónicos

NomeTipo PredefiniçãoPermitido Descrição
audio_urlobrigatório audio
Tipourl · audio
URL de áudio para a fala do utilizador, limitado a 10 minutos e 50 MB. Podem ser fornecidos os formatos de áudio mais comuns; antes de o Grok receber o áudio, este é convertido para PCM mono com amostras de 16 bits a 24 kHz. O agente responde à gravação com fala.
promptopcional
Tipostring | null
≤ 20 000 caracteres
Instruções de sistema opcionais que fornecem contexto da conversa e especificam uma persona em vez da predefinida do Grok; omiti-las mantém essa persona predefinida.
voiceopcional
Tipoenum
carinazaganhelixorionlunairisaltairzenithperseusheliosluxkeplerrigelcosmocelesteursa
+12 maissiriuslumencastornakshatlasauroralioraaraeveleorexsal
Selecione uma voz xAI incorporada para substituir a predefinida do Grok na resposta do agente; deixar esta opção por definir mantém essa voz predefinida.
toolsopcional
Tipoobject
Predefinição{"mcp_servers":[],"web_search":{"enabled":false},"x_search":{"enabled":false}}
Configuração das ferramentas do agente para utilização no servidor, excluindo file_search/collections da configuração tipada devido a ZDR. Todas as ferramentas começam desativadas; as opções suportadas incluem ferramentas MCP remotas, ferramentas Web e ferramentas X.
tools.mcp_serversopcional
Tipoobject[]
Servidores MCP remotos aos quais o fornecedor do modelo se liga para executar ferramentas.
tools.mcp_servers[].allowed_toolsopcional
Tipostring[]
≥ 1 items
Lista opcional que especifica os nomes das ferramentas expostas por este servidor.
tools.mcp_servers[].authorizationopcional
Tipostring | null
Valor de autorização sensível enviado exclusivamente ao fornecedor do modelo.
tools.mcp_servers[].enabledopcional
Tipoboolean
Predefiniçãotrue
Sinalizador de inclusão do servidor; false exclui o servidor.
tools.mcp_servers[].headersopcional
Tipoobject | null
Cabeçalhos sensíveis para pedidos MCP, enviados exclusivamente ao fornecedor do modelo.
tools.mcp_servers[].server_descriptionopcional
Tipostring | null
≤ 2000 characters
Descrição das capacidades disponibilizadas por este servidor.
tools.mcp_servers[].server_labelobrigatório
Tipostring
1 – 128 characters
Etiqueta do servidor utilizada pelo fornecedor do modelo para identificar as respetivas ferramentas e prefixar os seus nomes.
tools.mcp_servers[].server_urlobrigatório
Tipostring
≥ 1 characters
Endereço HTTP(S) fornecido pelo autor da chamada para um servidor MCP ao qual o Grok se liga remotamente através de transportes Streaming HTTP/SSE.
tools.web_search.allowed_domainsopcional
Tipostring[]
1 – 5 items
Restrição de domínios para os resultados da pesquisa: especifique até cinco domínios, omitindo protocolos e caminhos.
tools.web_search.enable_image_understandingopcional
Tipoboolean | null
Permissão para o agente examinar imagens descobertas através de pesquisas Web.
tools.web_search.enabledopcional
Tipoboolean
Predefiniçãofalse
Acesso à pesquisa Web do agente: true adiciona web_search a session.tools e permite pesquisas Web; a predefinição mantém-na desativada.
tools.web_search.excluded_domainsopcional
Tipostring[]
1 – 5 items
Domínios a excluir dos resultados da pesquisa, limitados a cinco entradas com protocolos e caminhos omitidos.
tools.web_search.locationopcional
Tipoobject
Localização opcional para adaptar geograficamente os resultados da pesquisa.
tools.x_search.allowed_x_handlesopcional
Tipostring[]
1 – 20 items
Identificadores X cujas publicações podem aparecer nos resultados, limitados a 20 identificadores.
tools.x_search.enable_image_understandingopcional
Tipoboolean | null
Permissão para o agente examinar imagens descobertas no X.
tools.x_search.enable_video_understandingopcional
Tipoboolean | null
Permissão para o agente examinar vídeos descobertos no X.
tools.x_search.enabledopcional
Tipoboolean
Predefiniçãofalse
Acesso às publicações do X através da pesquisa: true adiciona x_search a session.tools para que o agente possa pesquisar essas publicações; a predefinição mantém-no desativado.
tools.x_search.excluded_x_handlesopcional
Tipostring[]
1 – 20 items
Identificadores X cujas publicações são excluídas, limitados a 20 identificadores.
tools.x_search.from_dateopcional
Tipostring | null
Data mais antiga das publicações, expressa no formato ISO YYYY-MM-DD.
tools.x_search.to_dateopcional
Tipostring | null
Data mais recente das publicações, expressa no formato ISO YYYY-MM-DD.
enable_safety_checkeropcional
Tipoboolean
Predefiniçãotrue
A filtragem pode ser flexibilizada definindo false, desde que o autor do pedido esteja autorizado.
obrigatório Nome canónico, também aceite

Os parâmetros de ficheiro aceitam um URL https:// público, um URI data: até 10 MB ou o file_url de um carregamento. Ficheiros

Resultado

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "xai/grok-voice/realtime",
  "status": "succeeded",
  "created_at": "2026-10-20T12:00:00Z",
  "started_at": "2026-10-20T12:00:02Z",
  "completed_at": "2026-10-20T12:00:09Z",
  "queue_position": null,
  "cost": {
    "credits": 1494,
    "usd": "1.494",
    "charged": 1494,
    "refunded": 0
  },
  "input": {
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "output": {
    "audio": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_name": "0-output.mp3",
      "file_size": 1843200
    },
    "text": "",
    "duration": 5
  },
  "outputs": [
    {
      "type": "audio",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_size": 1843200,
      "duration": 12,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
Os seus ficheiros, a sua escolhaCada outputs[].url é uma cópia no nosso armazenamento: guardada para sempre (paga por GB-mês) ou durante 7 dias gratuitamente, conforme a definição da sua conta ou ?storage=.
A mesma estrutura em todos os modelostype, url, content_type, width, height e duration, tanto para imagens como para vídeo e áudio. output é o próprio objeto de resultado do modelo.
Campos do resultado
audio
object {url, content_type, file_name, file_size}Resposta falada do agente Grok, fornecida como WAV mono a 24 kHz.
text
stringTexto que acompanha a fala do agente: uma string vazia indica que o Grok não forneceu uma transcrição; caso contrário, contém a transcrição.
duration
numberDuração do áudio gerado, medida em segundos.

Mais modelos: Áudio

Para agentes de IA: esta página em Markdown está disponível em https://doitong.com/pt-PT/developers/models/xai/grok-voice/realtime.md. Todos os modelos e guias: https://doitong.com/developers/llms.txt